基于生成圖像數(shù)據(jù)的水下目標檢測與識別
一、項目簡介 水下目標檢測與識別,是水下機器人等相關(guān)系統(tǒng)能夠被高效應(yīng)用的前提。然而現(xiàn)有系統(tǒng)難以應(yīng)對水下圖像能見度較低,對比度差,存在顏色漂移和邊緣模糊等問題;另外,水下圖像樣本稀少且缺乏足夠的變化性,使得相關(guān)基于機器學習的目標檢測與識別系統(tǒng)由于缺乏訓練樣本而無法有效應(yīng)用。 二、前期研究基礎(chǔ) 項目利用深度學習等新的理論突破,提出兩種解決方案,一種是通過結(jié)合水下成像原理與深度風格遷移、生成對抗網(wǎng)絡(luò)等算法,由普通光學圖像生成水下圖像,構(gòu)建水下圖像目標檢測與識別仿真庫,該數(shù)據(jù)庫一方面數(shù)據(jù)量大且具有較大的變化性,也即場景與目標均具有較大的變化性;另一方面,由于是由普通光學圖像遷移獲得,因而也可以直接應(yīng)用普通光學圖像自身的標簽信息,無需再對其進行標注。另一種是研究基于水下退化圖像處理算法的檢測和識別系統(tǒng),解決由水下圖像的色彩漂移和細節(jié)丟失等退化現(xiàn)象帶來的目標檢測和識別問題。同時通過水下退化圖像處理模塊和檢測識別系統(tǒng)的聯(lián)合優(yōu)化技術(shù),可以實現(xiàn)退化圖像的增強方法與檢測識別系統(tǒng)的最佳匹配。在保證處理后的退化圖像性能指標的前提下,進一步提升水下圖像的目標檢測識別性能。 三、應(yīng)用技術(shù)成果 1)基于深度學習風格遷移的水下圖像生成效果示例 a為自然場景圖像中的目標檢測結(jié)果;b為模擬生成的水下風格圖像及其目標檢測結(jié)果;c為圖像增強后的目標檢測結(jié)果。 四、合作企業(yè) 無
廈門大學
2021-04-11